OpenCV图像频谱分析：快速傅里叶变换 (FFT) 实现

该算法流程如下：

1. 导入必要的库，如 numpy、cv2 和 matplotlib。
2. 使用 cv2.imread 函数读取图像，并将其转换为灰度图像。
3. 使用 cv2.dft 函数将图像转换为频域。
4. 使用 np.fft.fftshift 函数将频域移动到中心。
5. 计算频谱的幅度，使用 cv2.magnitude 函数计算复数的幅度。
6. 对幅度进行对数变换，使用 np.log 函数计算对数。
7. 使用 matplotlib.pyplot.subplot 函数创建两个子图，第一个子图显示输入图像，第二个子图显示幅度谱。
8. 使用 matplotlib.pyplot.imshow 函数显示图像，使用 cmap 参数设置为 'gray' 来显示灰度图像。
9. 使用 matplotlib.pyplot.title 函数设置子图的标题。
10. 使用 matplotlib.pyplot.xticks 和 matplotlib.pyplot.yticks 函数隐藏坐标轴刻度。
11. 使用 matplotlib.pyplot.show 函数显示图像。